Оксана Игоревна Захарова, кандидат технических наук, доцент кафедры информационных систем и технологий, заместитель заведующего научно-исследовательской лабораторией искусственного интеллекта
443090, г. Самара, ул. Льва Толстого, 23
Oksana I. Zakharova, Ph.D. (Eng.), Associate Professor, Deputy of Head of the Scientific Research Laboratory of Artificial Intelligence
23, Lva Tolstogo St., Samara, 443090
Константин Николаевич Иванов, аспирант кафедры информационных систем и технологий
443090, г. Самара, ул. Льва Толстого, 23
Konstantin N. Ivanov, 3rd-year Ph.D. student, Department of Information Systems and Technologies
23, Lva Tolstogo St., Samara, 443090
Сергей Павлович Левашкин, кандидат физико-математических наук, заведующий научно-исследовательской лабораторией искусственного интеллекта
443090, г. Самара, ул. Льва Толстого, 23
Sergey P. Levashkin, Ph.D. (Phys.-Math.), Associate Professor, Head of the Artificial Intelligence Research Laboratory
23, Lva Tolstogo St., Samara, 443090
Михаил Владимирович Якобовский, член-корреспондент Российской академии наук, доктор физико-математических наук, директор
125047, г. Москва, Миусская пл., д. 4
Mikhail V. Yakobovskiy, Corresponding Member of the Russian Academy of Sciences, Doctor of Physical and Mathematical Sciences, Director
4, Miusskaya Sq., Moscow, 125047
Введение. Рассматривается методология автоматизированного извлечения и графического представления знаний из неструктурированных текстов с использованием современных языковых моделей. Подобные методы становятся всё более востребованными в связи с необходимостью структурирования информации и выявления смысловых связей, которые трудно фиксировать вручную.
Материалы и методы. Методология включает этапы предварительной обработки текста, извлечения сущностей и связей, структурирования и визуализации полученных графов. Предложенный подход основан на комбинировании локально развернутых языковых моделей и специализированных инструментов извлечения отношений. Использование локальных решений обеспечивает обработку данных в защищённой среде без обращения к внешним сервисам.
Результаты исследования. Разработанный веб-интерфейс обеспечивает интерактивную визуализацию и сравнительный анализ графов, построенных разными моделями, что повышает интерпретируемость результатов. Подход демонстрирует устойчивость к шуму в текстах и применим для решения задач в научной, технической и нормативно-правовой сферах. Экспериментальная апробация на корпусе русскоязычных научных статей показала, что предложенный подход применим как к техническим описаниям, так и к текстам с более абстрактными концепциями.
Обсуждение. Полученные результаты показывают, что предложенная методология не сводится к одному алгоритму и допускает комбинирование прямого извлечения, специализированных моделей, многоступенчатых схем и OWL-онтологий. Качество итоговых графов существенно зависит от структуры исходного текста, точности предварительной обработки и выбранных процедур постобработки; при этом интерактивная визуализация облегчает сопоставление результатов разных моделей и интерпретацию семантических связей.
Заключение. Предложенный подход может применяться для анализа научных, технических и нормативно-правовых текстов в защищённой локальной среде. Он является естественным продолжением предыдущих исследований авторов, связанных с семантико-ассоциативным анализом, синтезом данных и ассоциативно-онтологическим подходом. Его дальнейшее развитие целесообразно связывать с ансамблевыми схемами, логической валидацией, семантическим выводом и интеграцией с формальными онтологиями, что расширяет возможности информационного поиска, поддержки научных исследований и моделирования сложных систем.
Introduction. This paper examines a methodology for the automated extraction and graphical representation of knowledge from unstructured texts using modern language models. Such methods are becoming increasingly relevant because of the growing need to structure information and identify semantic relations that are difficult to capture manually.
Materials and Methods. The proposed approach combines locally deployed language models with specialized relationextraction tools. Local deployment enables data to be processed in a secure environment without reliance on external services. The methodology includes text preprocessing, entity and relation extraction, structuring, and visualization of the resulting knowledge graphs.
Results. Experimental testing on a corpus of Russian-language scientific articles demonstrated that the approach is applicable both to technical descriptions and to texts containing more abstract concepts. The developed web interface supports interactive visualization and comparative analysis of graphs constructed by different models, thereby improving the interpretability of the results. The approach is robust to textual noise and is applicable to scientific, technical, and regulatory tasks.
Discussion. The results show that the proposed methodology is not limited to a single algorithm and permits the combination of direct extraction, specialized models, multi-stage pipelines, and OWL ontologies. The quality of the resulting graphs depends substantially on the structure of the source text, preprocessing accuracy, and the selected postprocessing procedures; interactive visualization facilitates comparison of outputs generated by different models and supports the interpretation of semantic relations.
Conclusions. The proposed approach can be applied to the analysis of scientific, technical, and regulatory texts in a secure local environment. It is a natural continuation of the authors’ previous research on semantic-associative data analysis and synthesis and the associative-ontological approach. Further development should focus on ensemble schemes, logical validation, semantic inference, and integration with formal ontologies, thereby extending its applicability to information retrieval, research support, and complex-system modelling.
The authors declare that there are no conflicts of interest present.